Scribd Logo
Cargar

¡Te damos la bienvenida a Scribd!

  • Sesión 12 Cadena de Suministro

    Cargado por

    RDH Ingenieria
    8 vistas22 páginas
    Este documento presenta una introducción a varias tecnologías de información relacionadas con el manejo de inventarios, incluyendo machine learning, data mining, análisis, robótica, realidad aumentada y virtualización. Explica brevemente qué es machine learning y algunas herramientas populares como Knime, Jupyter Notebook, TensorFlow y AWS SageMaker. También cubre métodos comunes de machine learning como clustering y series de tiempo y ofrece ejemplos de su aplicación.

    Descripción original:

    Derechos de autor

    © © All Rights Reserved

    Formatos disponibles

    PPTX, PDF, TXT o lea en línea desde Scribd

    ¿Le pareció útil este documento?

    ¿Este contenido es inapropiado?

    Denunciar este documento
    Este documento presenta una introducción a varias tecnologías de información relacionadas con el manejo de inventarios, incluyendo machine learning, data mining, análisis, robótica, realidad aumentada y virtualización. Explica brevemente qué es machine learning y algunas herramientas populares como Knime, Jupyter Notebook, TensorFlow y AWS SageMaker. También cubre métodos comunes de machine learning como clustering y series de tiempo y ofrece ejemplos de su aplicación.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Marcar por contenido inapropiado
    8 vistas22 páginas

    Sesión 12 Cadena de Suministro

    Cargado por

    RDH Ingenieria
    Este documento presenta una introducción a varias tecnologías de información relacionadas con el manejo de inventarios, incluyendo machine learning, data mining, análisis, robótica, realidad aumentada y virtualización. Explica brevemente qué es machine learning y algunas herramientas populares como Knime, Jupyter Notebook, TensorFlow y AWS SageMaker. También cubre métodos comunes de machine learning como clustering y series de tiempo y ofrece ejemplos de su aplicación.

    Copyright:

    © All Rights Reserved
    Descargue como PPTX, PDF, TXT o lea en línea desde Scribd
    Marcar por contenido inapropiado
    de 22

    Manejo de Inventarios y Tecnologías de

    Información

    Curso 15-0024
    2C2022
    Optimización
    Optimización

    IoT Intelligent Applications | Oracle


    Qué herramientas tenemos?

    •AI (Machine Learning)

    •Data Mining

    •Analytics

    •Robotics y Cobotics

    •Virtualización (3D printing, Realidad Aumentada)


    Machine Learning
    Machine Learning
    Machine learning es, esencialmente, un etiquetador-de-cosas.

    Es fenomenalmente útil, pero no cosa de ciencia ficción como te podrías imaginar.

    Machine learning es un nueva forma de programación, una nueva


    manera de comunicar tus deseos a una computadora.

    Qué clase de animal es éste? Fácil, ¿verdad? Ahora..qué fue lo


    que hizo el cerebro con estos píxeles para obtener la respuesta?
    Machine Learning

    Absorbieron datos complejos a través de los sentidos y como por arte de magia, etiquetaron la imagen: ‘gato’. ¡Fácil! ¿Pero

    cómo harían para pedirle a una computadora que realice la misma tarea, clasificar (o etiquetar) fotos como gato/no-gato?

    Explica con ejemplos, no con instrucciones.


    IoT/ML

    https://intelligence.weforum.org/topics/a1Gb0000000pTDoEAM?tab=publications&searchTerm=
    Machine Learning
    • Knime      • Jupyter Notebook     
    • Accord.net • Apache Mahout     
    • Scikit-Learn • Azure Machine Learning studio
    • TensorFlow • MLLIB
    • Weka • Orange3
    • Pytorch         • IBM Watson     
    • RapidMiner         • Pylearn2
    • Google Cloud AutoML
    Machine Learning
    Machine Learning
    Machine Learning
    Machine Learning
    Machine Learning
    Métodos para conglomerados o clusters
    •Mezclas Gaussianas
    •K-Medias
    •Boosting
    •Clustering Jerárquico
    •Clustering
    •K-Means Clustering
    •Spectral Clustering
    Machine Learning
    Machine Learning
    Machine Learning
    https://docs.aws.amazon.com/sagemaker/latest/dg/deepar.html
    Machine Learning (AWS)
    Datos sucios
    Pronóstico

    Grupo de entrenamiento (Training Set)

    Series de tiempo (argumentos)


    Machine Learning (AWS)
    Pronóstico

    Serie de tiempo (semanal)

    Serie de tiempo (diaria por hora)

    Grupo de entrenamiento (Training Set)


    Machine Learning (AWS)
    Experimento:

    12 horas de entrenamiento
    6 horas de pronóstico
    5 muestras

    12 h 6h
    Machine Learning (AWS)

    Retrospectiva:

    Estacionalidades y comparativas
    Machine Learning (KUKA vs Timo
    Boll)

    También podría gustarte